ValueFlow：测量多智能体大语言模型系统中价值扰动的传播

多智能体大语言模型（LLM）系统日益由相互观察和回应彼此输出的智能体组成。虽然价值对齐通常针对孤立模型进行评估，但价值扰动如何通过智能体交互传播仍知之甚少。我们提出了 ValueFlow，一个基于扰动的框架，通过源自施瓦茨价值观调查的 56 个价值观评估数据集，并使用 LLM 作为评判者的协议对智能体价值取向进行评分，来测量多智能体系统中的价值漂移。ValueFlow 将价值漂移分解为智能体级别的响应行为与系统级别的结构效应，由两个指标捕获：β-敏感性，即智能体对受扰同伴价值信号的敏感度；以及系统敏感性（SS），即节点级扰动对最终系统输出的影响。实验跨越了价值维度、骨干模型、角色设定和拓扑结构，表明敏感性在不同价值间差异显著，并深受交互结构的影响，这表明多智能体系统中的价值对齐是一个系统级属性，而不仅仅是智能体级属性。因此，ValueFlow 为审计和缓解已部署多智能体系统中的价值传播提供了原则性基础。